전 세계적으로 기업들은 지속 가능성 목표를 추구하면서 복잡한 보고 구조에 어려움을 겪고 있습니다. 기업 지속가능성 보고 지침(CSRD) 비재정적 측면에 대한 광범위한 공개 의무가 수반됩니다. 환경, 사회 및 거버넌스(ESG) 정보, 특히 유럽 연합에서 또는 유럽 연합과 함께 운영되는 기업을 위한 정보입니다. CSRD 시행은 2024년에 시작되어 11,000개 이상의 회사가 비재무 정보를 공개해야 합니다. 유럽 연합에 법인을 설립하거나 거래하는 50,000개의 추가 법인이 이 범위에 포함될 것으로 예상됩니다. 그러나 CSRD 준수에 필요한 시간과 리소스를 찾는 것은 회사에 상당한 과제를 안겨줍니다.

CSRD 요구 사항 범위 이해

CSRD는 이전 버전인 CSRD를 확장합니다. 비재무 보고 지침(NFRD), 보다 포괄적이고 표준화된 보고 관행을 의무화함으로써. 여기에는 다음에 대한 자세한 공개가 포함됩니다.

• 환경적 요인: 기후변화 완화, 자원 사용 및 생물다양성 영향.
• 사회적 요인: 인력 다양성, 노동 관행 및 지역 사회 참여.
• 거버넌스: 부패 방지 조치, 내부 통제 및 이사회 다양성.

또한 CSRD는 ESG 보고서에 대한 제3자 감사 및 일치 요구 사항을 도입합니다. 유럽 지속가능성 보고 표준(ESRS). 이러한 강화된 수준의 감사는 산업 전반에 걸쳐 투명성과 비교성을 보장하지만 기업의 보고 부담을 크게 증가시킵니다.

수동 CSRD 준수의 과제

많은 조직의 경우 CSRD 준수에는 다음이 포함됩니다.

• 공급망, 운영, 금융 시스템 등 다양한 소스의 데이터를 집계합니다.
• 다양한 ESG 지표에서 데이터 정확성과 일관성을 보장합니다.
• 변화하는 규정 및 표준에 맞춰 최신 정보를 얻습니다.

이러한 작업은 수동으로 처리할 경우 시간이 많이 걸리고 오류가 발생하기 쉽습니다. 전담 ESG 팀이 없는 소규모 회사와 광범위한 운영을 관리하는 대규모 기업은 이러한 CSRD 준수 과제에 특히 취약합니다. 게다가 ESG 보고서에서 실행 가능한 통찰력에 대한 수요가 증가함에 따라 복잡성이 한층 더 높아졌습니다.

AI가 CSRD 규정 준수를 혁신하는 방식

인공 지능(AI)은 CSRD 규정 준수를 탐색하는 기업에 게임 체인저가 되고 있습니다. 효율성, 정확성 및 확장성을 향상시켜 ESG 보고에서 제기되는 고유한 과제를 해결합니다. AI가 규정 준수를 용이하게 하는 주요 방법은 다음과 같습니다.

1. AI 기반 데이터 통합 및 조화

CSRD 준수의 핵심 과제 중 하나는 금융 시스템, IoT 기기, 공급망 등 여러 소스에서 다양한 데이터 스트림을 집계하는 것입니다. AI 기반 도구는 이러한 데이터 세트를 통합하고 표준화하는 데 탁월합니다. 주요 기능은 다음과 같습니다.

• ERP, CRM 및 기타 시스템에서 자동으로 데이터를 추출합니다.
• PDF, 이메일 등 비정형 텍스트 소스에서 NLP 기반으로 ESG 지표를 추출합니다.
• 데이터 사일로를 파악하고 격차를 메워 완전성을 보장합니다.

2. 머신 러닝을 통한 데이터 정확도 향상

수동 데이터 입력 및 집계는 종종 부정확성을 초래합니다. 머신 러닝(ML) 알고리즘은 다음을 통해 데이터 품질을 향상시킵니다.

• 중복된 항목이나 믿기 어려운 수치 등 이상 및 불일치 사항을 감지합니다.
• 예측 분석을 사용하여 누락된 데이터 포인트를 채웁니다.
• 과거 데이터로부터 학습하여 시간이 지남에 따라 정확도를 지속적으로 향상시킵니다.

3. 사전 예방적 규정 준수를 위한 실시간 모니터링

IoT 통합을 갖춘 AI 시스템은 ESG 지표의 실시간 모니터링을 가능하게 합니다. AI로 구동되는 대시보드는 다음을 수행할 수 있습니다.

• 에너지 소비, 폐기물 생산, 공급망 효율성에 대한 최신 통찰력을 제공합니다.
• 배출량 임계값 초과 등의 규정 준수 위험을 자동으로 표시합니다.
• 감사 전에 기업이 문제를 바로잡을 수 있도록 조치 가능한 알림을 보냅니다.

4. 보고 프로세스 간소화

CSRD 준수를 위한 보고 프로세스는 매우 자세하며 ESRS(European Sustainability Reporting Standards)와 같은 특정 프레임워크를 준수해야 합니다. AI 솔루션은 다음을 통해 보고 워크플로를 간소화합니다.

• 다음을 포함한 여러 프레임워크에 맞춰 데이터 구조화 GRI 그리고 TCFD.
• 내장된 업데이트를 통해 규정 준수를 보장합니다.

5. 더 나은 의사결정을 위한 시나리오 분석

AI는 기업이 시나리오 분석을 사용하여 지속 가능한 전략을 계획함으로써 규정 준수를 넘어설 수 있도록 합니다. 디지털 트윈과 같은 도구는 다음과 같은 다양한 운영 결정의 영향을 시뮬레이션합니다.

• 재생 에너지원으로 전환.
• 탄소발자국을 줄이기 위한 물류 최적화
• 기후 변화와 관련된 장기적인 재정적 리스크 평가.

이러한 통찰력은 기업이 지속 가능성 노력을 성장 목표에 맞추는 데 도움이 됩니다.

6. 이해관계자 소통 강화

ESG 성과에 대한 명확하고 효과적인 커뮤니케이션은 CSRD에서 중요한 요구 사항입니다. AI 도구는 다음을 통해 더 나은 이해 관계자 참여를 촉진할 수 있습니다.

• 타겟형 통찰력과 역동적인 시각화를 통해 투자자, 규제 기관 또는 고객 등 특정 대상에게 맞춰 ESG 보고서를 맞춤화합니다.
• 자연어 처리를 사용하여 기술적 ESG 데이터를 접근 가능한 언어로 번역하고, 전문가가 아닌 이해관계자도 보고서를 더 쉽게 이해할 수 있도록 만듭니다.
• 이해관계자가 ESG 지표를 실시간으로 살펴볼 수 있는 대화형 대시보드를 개발하여 투명성과 신뢰를 강화합니다.

AI는 의사소통 과정을 단순화하고 개인화함으로써 기업이 다양한 이해관계자의 기대에 부응하는 동시에 책임성과 지속 가능성에 대한 헌신을 입증할 수 있도록 보장합니다.

AI를 활용한 CSRD의 이중 중요성 평가

CSRD의 핵심 원칙은 다음 개념입니다. 이중 중대성 평가. 이 프레임워크는 조직이 재무적 및 영향적 중요성이라는 두 가지 보완적인 관점에서 지속 가능성 성과를 분석하도록 요구합니다. 재무적 중요성은 환경, 사회 및 거버넌스(ESG) 요인이 회사의 재무 건전성과 성과에 어떤 영향을 미치는지 조사하는 반면, 영향적 중요성은 조직의 운영이 환경, 사회 및 경제에 어떤 영향을 미치는지 평가합니다. 두 가지 차원을 모두 다루면 기업은 내부 ESG 위험과 지속 가능성 이니셔티브의 외부 효과를 모두 반영하는 포괄적인 공개를 제공할 수 있습니다.

인공 지능(AI)은 조직이 Double Materiality Assessments에 접근하는 방식을 변화시켜 정확성, 효율성 및 심층성을 향상시킵니다. 재무적 실질성의 경우 AI 기반 예측 모델은 ESG 데이터를 분석하여 극심한 기상 현상이 공급망을 어떻게 방해할 수 있는지 또는 더 엄격한 배출 규제가 운영 비용에 어떤 영향을 미칠 수 있는지와 같은 위험을 예측할 수 있습니다.

영향의 실질성을 위해 NLP와 같은 AI 도구는 이해 관계자 피드백을 처리하고, 정책 동향을 분석하고, 환경 또는 사회적 지표를 대규모로 평가할 수 있습니다. 머신 러닝 알고리즘은 또한 대규모 데이터 세트에서 숨겨진 패턴(예: 운영 관행과 환경 악화 간의 상관 관계)을 식별하여 조직이 외부 영향을 더 잘 정량화하고 공개할 수 있도록 합니다. AI의 기능을 통해 회사는 정적인 규정 준수 중심 보고에서 CSRD 요구 사항을 충족하는 동시에 실제 지속 가능성 개선을 추진하는 동적인 데이터 기반 전략으로 전환할 수 있습니다.

CSRD의 디지털 태깅 및 AI

CSRD가 소개합니다 디지털 태그 필수 요건으로 보고된 지속 가능성 데이터가 기계에서 읽을 수 있고 쉽게 접근할 수 있도록 보장합니다. 유럽 단일 전자 형식(ESEF) [1]을 활용하여 기업은 표준화된 분류법을 사용하여 공개 정보를 태그해야 하며, 이를 통해 이해 관계자가 산업 전반의 지속 가능성 성과를 원활하게 분석하고 비교할 수 있습니다. 이러한 접근 방식은 투명성을 촉진할 뿐만 아니라 보고된 데이터를 규제 기대치 및 시장 요구 사항과 일치시켜 규정 준수를 간소화합니다.

인공 지능은 데이터 처리 및 분석을 자동화하여 디지털 태그의 유용성을 더욱 향상시킵니다. AI 도구는 태그가 지정된 데이터의 정확성을 신속하게 검증하고, 불일치 사항을 식별하고, 보고 품질을 개선하기 위한 통찰력을 생성할 수 있습니다. 또한 AI 기반 플랫폼은 태그가 지정된 데이터를 외부 데이터 세트와 통합하여 기업에 추세, 위험 및 기회에 대한 실행 가능한 인텔리전스를 제공할 수 있습니다. 조직은 디지털 태그와 AI를 결합하여 지속 가능성 보고를 규정 준수 작업에서 전략적 이점으로 격상할 수 있습니다.

더 넓은 관점: AI와 ESG의 과제

2024년, AI의 부상과 주요 사업에의 통합은 상당했습니다. AI의 환경적, 사회적, 거버넌스 요소에 대한 관심이 큰 이러한 사업체와 수많은 투자자들은 우려를 표명하고 있습니다. 이에 따라 전 세계 조직들은 AI 프로그램과 관련된 잠재적인 실질적 위험을 줄이기 위해 점진적으로 측정된 조치를 취하고 있습니다[2].

AI 플랫폼을 만들고 유지하는 것은 결코 간단하지 않습니다. 학습 알고리즘을 실행하고 데이터 수집을 개발하려면 상당한 양의 전력이 필요합니다. 최상위 AI 생성 모델인 ChatGPT의 훈련에는 훈련에 약 1,300메가와트시의 에너지가 필요하다고 추정됩니다[3].

AI의 환경적 발자국은 Meta의 주요 AI 기반 모델인 Llama에서 예시되는데, 이 모델은 2023년에만 약 300톤의 CO2 배출을 유발했습니다[4]. 이는 평균적인 개인 100명의 탄소 발자국과 거의 같습니다. 지구 인구가 80억 명이라는 점을 감안하면 그다지 크지 않은 것처럼 보일 수 있지만, 특히 다른 수많은 대규모 언어 모델의 개발을 고려한다면 여전히 주목할 만한 일입니다.

AI의 환경적 영향, 특히 에너지 소비와 탄소 배출 측면에서의 영향이 점점 더 우려되는 것은 분명합니다. AI 모델을 훈련하고 운영하는 데 필요한 엄청난 양의 에너지와 관련된 탄소 발자국은 이러한 기술의 지속 가능성에 대한 의문을 제기합니다. AI가 의심할 여지 없이 다양한 분야에서 수많은 이점과 발전을 제공하지만, 환경적 결과를 해결하고 완화하는 것이 필수적입니다. 업계는 보다 에너지 효율적인 알고리즘을 개발하고, 재생 에너지원을 탐색하고, AI의 생태적 발자국을 최소화하기 위한 책임 있는 관행을 채택하기 위해 노력해야 합니다. 기술적 진보와 환경적 책임의 균형을 맞추는 것은 AI와 지구 모두의 지속 가능한 미래를 보장하는 데 매우 중요합니다.

결론

결론적으로, AI를 CSRD 규정 준수 프로세스에 통합하는 것은 지속 가능성 보고 의무를 충족하고자 노력하는 기업에 혁신적인 기회를 제공합니다. AI는 데이터 수집을 자동화하고, 정확성을 개선하고, 사전 규정 준수를 가능하게 함으로써 ESG 보고에 내재된 복잡성과 과제를 해결합니다. 규정 준수를 넘어, AI 기반 도구는 조직이 실행 가능한 통찰력을 얻고, 이해 관계자와의 소통을 강화하고, 지속 가능성에 대한 미래 지향적 접근 방식을 채택할 수 있도록 지원합니다.

그러나 조직이 AI를 활용하여 CSRD 프로세스를 간소화함에 따라 기술의 환경 및 사회적 의미를 염두에 두어야 합니다. AI의 이점과 생태적 발자국을 완화하려는 노력의 균형을 맞추는 것은 지속 가능성의 더 광범위한 목표와 일치하기 위해 필수적입니다.

궁극적으로, AI를 책임감 있게 활용함으로써 기업은 CSRD 준수를 간소화할 수 있을 뿐만 아니라 의미 있는 환경 및 사회적 변화에 기여하고, 이해관계자와의 신뢰와 투명성을 강화하며 지속 가능한 미래를 위한 길을 열 수 있습니다.

참조:

[1] https://www.esma.europa.eu/issuer-disclosure/electronic-reporting

[2] https://www.statista.com/topics/11077/esg-and-ai/#topicOverview

[3] https://www.statista.com/statistics/1465348/power-consumption-of-ai-models/

[4] https://www.statista.com/statistics/1465353/total-co2-emission-of-ai-models/